8 - Teorema Del Muestreo y La Transformada Discreta de Fourier PDF

INEL 4301
Teora de
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Teora de
Comunicaciones
Comunicaciones
0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011
Teorema
Teorema del
del muestreo
muestreo yy la
la
transformada
transformada discreta
discreta de
de
Fourier
Fourier
Jorge A. Cruz Emeric, Ph.D.
Dic-05
2004-06 Jorge A. Cruz Emeric
0011 0010 1010 1101 0001 0100 1011
Agenda para hoy

0011 0010 1010 1101 0001 0100 1011
Evaluar las condiciones necesarias para:

convertir una seal analgica a una seal digital
(tiempo discreto) consistente de un conjunto de
muestras.
tomando las muestras, reconstruir la seal
analgica original.
Teorema del muestreo define estas
condiciones.
Transformada de Fourier discreta

Dic-05
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Muestreo de seales
Dic-05
0011 0010 1010 1101 0001 0100 1011
Muestreo de seales
0011 0010 1010 1101 0001 0100 1011
Proceso fundamental en la conversin de seales

analgicas (tiempo continuo, amplitud continua) a seales
digitales (tiempo discreto, amplitud discreta)
x(t)
Muestreador
Muestreador
Seal
Seal
analgica
analgica
Dic-05
xn(nT)
CuantifiCuantificador
cador
Seal
Sealcon
conamplitud
amplitud
continua,
continua,tiempo
tiempodiscreto
discreto
Codificador
Codificador
xd(n)
Seal
Sealdigital
digital
Seal
Sealcon
conamplitud
amplitud
discreta,
discreta,tiempo
tiempodiscreto
discreto
0011 0010 1010 1101 0001 0100 1011
Asuntos crticos
0011 0010 1010 1101 0001 0100 1011
Cun bien xd(n)

representa la informacin
contenida en x(t)?
Es posible reconstruir a
x(t) a partir de su
representacin digital
xd(n)?
Cules son los
requisitos para poder
cumplir con lo anterior?
x(t)
Dic-05
0011 0010 1010 1101 0001 0100 1011
Interpolacin
0011 0010 1010 1101 0001 0100 1011
Proceso fundamental en la conversin de seales

digitalizadas de regreso a su forma analgica
x(nT)
x(nT)
Interpolador
Interpolador
Muestras
Muestras
Dic-05
x (t)?
0
x (t)
Seal
Seal
analgica
analgica
original
original
0
t
6
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Teorema del muestreo
Dic-05
0011 0010 1010 1101 0001 0100 1011
Teorema del muestreo de Nyquist

0011 0010 1010 1101 0001 0100 1011
Una seal x(t) puede ser representada

por una cadena (sequence) de
muestras instantneas {x(nT)}
si se cumplen las siguientes
condiciones:
x(t) es seal pasa baja
X(f) = 0 para todo f > B Hz

Las muestras {x(nT)} se toman a una
razn de 1/T muestras por segundo
donde T >1/(2B).
Dic-05
x(nT)
LPF
LPF
|X (f)|
Si se cumple lo anterior, x(t) se puede

recuperar a partir de {x(nT)} pasando
a esta ltima por un filtro pasa baja
ideal con ancho de banda B.
1/T
x(t)
{x(nT)}
{x(nT)}
x (t)
-B
0 B
Kx(t)
constante
constante
0011 0010 1010 1101 0001 0100 1011
Demostracin
0011 0010 1010 1101 0001 0100 1011
La seal muestreada instantneamente puede escribirse

como:
x (t)
x (t ) =
x(nT ) (t nT )
n =
que podemos reescribir como
x (t ) = x(t ) (t nT )
n =
Su transformada de Fourier es:
X ( f ) = x(t ) (t nT )
n =
(t-nT)
0
x(t)
0
Dic-05
t
9
0011 0010 1010 1101 0001 0100 1011
Demostracin
0011 0010 1010 1101 0001 0100 1011
Utilizando el teorema de multiplicacin:
X ( f ) = x(t ) (t nT ) = X ( f ) (t nT )
n =
n =
que podemos reescribir como
1
n
1
n
X ( f ) = X ( f ) f = X ( f ) f
T
T n =
T
T n =
Luego de evaluar la convolucin queda
1
n
X ( f ) = X f
T n =
T
Dic-05
10
0011 0010 1010 1101 0001 0100 1011
Demostracin
0011 0010 1010 1101 0001 0100 1011
Como T es la separacin entre muestras en el

tiempo, defina fs como la frecuencia de
muestreo (sampling frequency)
1
fs =
T
|X (f)|
Ahora podemos reescribir a Xd(f) como
X ( f ) = fs
X ( f nf )
s
n =
El espectro de Xd(f) es similar a esto
-B
B f
|X(f)|
...
...
0
Dic-05
fs-B
fs fs+B
2fs-B 2fs 2fs+B
f
11
0011 0010 1010 1101 0001 0100 1011
X ( f ) = fs
Demostracin
0011 0010 1010 1101 0001 0100 1011
X ( f nf )
s
n =
Si ahora se pasa la seal por un filtro pasa baja con

B < fc < fs-B
Propiedad
Propiedaddel
delfiltro
filtro
|X(f)|
...
0
Propiedad
Propiedaddel
del
muestreador
muestreador
ffcc
fs fs+B
fs-B
...
f
2fs-B 2fs 2fs+B
La salida del filtro es fsX(f)

Requisitos para esto:
X(f) limitado a f < B
fs > 2B
Existencia de filtros ideales.
Dic-05
x(t)
LPF
LPF
fsx(t)
12
0011 0010 1010 1101 0001 0100 1011
Interpolacin en el tiempo
0011 0010 1010 1101 0001 0100 1011
h(t) h(t ) = 2 Bsinc(2 Bt )
Aunque la
reconstruccin se
y(t)
LPF
x(t)
LPF
demostr en el
dominio de frecuencia,
tambin es posible
x (t ) =
x(nT ) (t nT )
demostrarla en el
n =
dominio del tiempo.
y (t ) =
x(nT )h(t nT )
n =
y (t ) = 2 B x(nT ) sinc[2 B(t nT )]

Esto
Estose
seconoce
conocecomo
comolala
funcin
funcinde
deinterpolacin
interpolacin
Dic-05
n =
13
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Impacto del submuestreo
Dic-05
14
0011 0010 1010 1101 0001 0100 1011
Impacto del submuestreo

0011 0010 1010 1101 0001 0100 1011
Qu ocurre si la frecuencia de muestreo es muy baja?

No cumple con fs > 2B
|X(f)|
fs
2fs
ffss-B
BB
-B
La seal a la salida del filtro incluye a x(t) y a otros
componentes de frecuencia de x(t) ubicados a frecuencias
incorrectas.
Dic-05
15
0011 0010 1010 1101 0001 0100 1011
Fenmeno de alias o solape

0011 0010 1010 1101 0001 0100 1011
Aliasing -- hacerse llamar por otro

nombre
Causa:
ocurre cuando fs est por debajo de
la frecuencia de Nyquist (2B).
Manifestacin:
componentes de frecuencia por
encima de fs/2 se hacen pasar por
componentes de frecuencia por
debajo de fs/2.
Crea una nueva modalidad de

distorsin.
versin reconstruida contiene
frecuencias que no estuvieron
presentes en la seal reconstruida.
Dic-05
16
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo 1:
1: Efecto
Efecto de
de submuestreo
submuestreo
0011 0010 1010 1101 0001 0100 1011
Suponga que la frecuencia de muestreo es 10 KHz y que la seal x(t)

consiste de dos sinusoides, uno a 2 KHz y el otro a 6KHz
|X (f)|
ffssdebi
debiser
ser>12
>12KHz
KHz
6
0 2
f(KHz)
El espectro de la seal muestreada es:
|X(f)|
6
2
Dic-05
44
16 18 2fs 22
8 fs 12
26
20
14
24
14
10
24
f(KHz)
17
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo 1:
1: Efecto
Efecto de
de submuestreo
submuestreo
0011 0010 1010 1101 0001 0100 1011
Ahora suponga que desea recuperar el mensaje original pasando a x(t)

por un filtro pasa bajo que corta a 6 KHz
|X(f)|
0 2
La salida es:
44
Alias
Alias
|X(f)|
2
Dic-05
16 18 2fs 22
8 fs 12
26
20
14
24
14
10
24
44
fs
f(KHz)
La
Lasalida
salidatiene
tienetres
trescomponentes
componentes
de
defrecuencia
frecuencia(2,
(2,44yy66KHz),
KHz),lala
entrada
entradasolamente
solamentedos
dos(2(2yy6KHz).
6KHz).
f(KHz)
2f
18
0011 0010 1010 1101 0001 0100 1011
Comentario
0011 0010 1010 1101 0001 0100 1011
El submuestreo provoca
que un componente con
frecuencia alta se haga
pasar por otro con una
frecuencia menor.
Note que una vez ocurre,
no existe forma de
erradicarlo.
Otra forma de verlo es que
las muestras describen
mejor a un sinusoide de
frecuencia menor.
Alias
Dic-05
19
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Impacto de filtros prcticos
Dic-05
20
0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011
Si fs = 2B
|X(f)|
H(f)
H(f)
Banda
Bandade
de
transicin
transicindel
delfiltro
filtro
2fs
fs
ffss=2B
BB
=2B
La seal a la salida del filtro pasa bajos incluye a
componentes de frecuencia mayor.
El efecto es similar al de alias excepto que ahora
frecuencias altas se hacen pasar como mayores y quedan
en orden invertido. NO llame ALIAS a esto.
Dic-05
21
0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011
Si hace que fs > 2B

H(f)
H(f)
Banda
Bandade
de
transicin
transicindel
delfiltro
filtro
|X(f)|
fs
2fs
ffss-B
BB
-B
La seal a la salida del filtro pasa bajo ya NO incluye a
componentes de frecuencia mayor.
Esto obliga a muestrear a frecuencias mayores a las
requeridas por Nyquist. Sobremuestreo (over sampling)
Dic-05
22
0011 0010 1010 1101 0001 0100 1011
Ejemplos prcticos
0011 0010 1010 1101 0001 0100 1011
Conociendo que los filtros ideales no existen, en

situaciones prcticas se hace sobre muestreo.
Telfono:
Audio hasta 3.3 KHz
fs = 8 KHz, muestras codificadas como 8 bits.
CD-DA (Compact Disk - Digital Audio)

Audio hasta 20 KHz
fs = 44.1 KHz, muestras codificadas como 16 bits.
DAT (Digital Audio Tape)

Audio hasta 20 KHz
fs = 48 KHz, muestras codificadas como 16 bits.
Dic-05
23
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Muestreo prctico
Dic-05
24
0011 0010 1010 1101 0001 0100 1011
Conversin analgico a digital

0011 0010 1010 1101 0001 0100 1011
Generalmente asociamos muestreo con conversin de

analgico a digital (A/D).
Conversin A/D requiere pasos adicionales al muestreo.
x(t)
fs
Muestreador
Muestreador
Seal
Seal
analgica
analgica
Dic-05
x (nT)
Seal
Seal
analgica
analgica
muestreada
muestreada
cador
Aproximar
Aproximaraa
una
unaamplitud
amplitud
discreta
discreta
Codificador
Codificador
xd(n)
Seal
Sealdigital
digital
25
0011 0010 1010 1101 0001 0100 1011
Aspectos prcticos del muestreo de

seales
analgicas
0011 0010 1010 1101 0001 0100 1011
Los impulsos no existen.

Lo que podemos hacer es conmutar la seal a la razn que
dicte la frecuencia de muestreo. (Muestreo natural)
x(t)
fs
Muestreador
Muestreador
Seal
Seal
analgica
analgica
Dic-05
xn(nT)
cador
Seal
Seal
analgica
analgica
conmutada
conmutada
Codificador
Codificador
xd(n)
Seal
Sealdigital
digital
26
0011 0010 1010 1101 0001 0100 1011
Cul es la diferencia?
muestreo
0011 0010 1010 1101 0001
0100 impulsivo
1011
muestreo
impulsivo
muestra
muestraexiste
existesolo
soloen
enun
un
instante
instantede
detiempo
tiempo
x(t)
La forma de onda es
diferente.
La ecuacin que
describe a las
muestras es
0
diferente.
El filtro pasa bajos
tambin es diferente.
x(t)
Este tema lo veremos
cuando estudiemos
modulacin de pulsos
ms adelante en el
curso.
muestreo
muestreonatural
natural
Dic-05
t
muestra
muestraexiste
existesobre
sobreuna
una
ventana
ventanade
detiempo
tiempo
27
0011 0010 1010 1101 0001 0100 1011
Interpolacin se hace con filtros

0011 0010 1010 1101 0001 0100 1011
Debe recordar que no existen filtros ideales.

El proceso de reconstruccin no puede ser perfecto.
Siempre habr algo de error.
x(t)
x(nT)
Interpolador
Interpolador
Muestras
Muestras
Dic-05
x (t)
0
x (t)
Seal
Seal
analgica
analgica
original
original
0
t
28
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
Desarrollo de la transformada de
Fourier discreta
Dic-05
29
0011 0010 1010 1101 0001 0100 1011
Motivacin
0011 0010 1010 1101 0001 0100 1011
Si es posible hacer que x(t) est

representada adecuadamente por x(n)...
Se podr muestrear a X(f) y representarlo
adecuadamente por sus muestras?
De ser posible, esto significa que existe

una versin discreta de la transformada de
Fourier.
Provee una forma alterna de calcular a X(f) sin
evaluar integrales o integrar numricamente.
Dic-05
30
0011 0010 1010 1101 0001 0100 1011
Modelo conceptual
0011 0010 1010 1101 0001 0100 1011
El proceso sera como se muestra abajo.

La aproximacin consiste en calcular los valores de X(f) de
manera muestreada, evaluada a intervalos uniformes de
frecuencia.
x(t)
Muestreador
Muestreador
Seal
Seal
analgica
analgica
Dic-05
xn(nT)
Xk(n)
Algoritmo
Algoritmo
de
deDFT
DFT
Seal
Seal
analgica
analgica
muestreada
muestreada
DFT
DFT
31
0011 0010 1010 1101 0001 0100 1011
Definicin de la Transformada de
Fourier
Discreta
0011 0010 1010 1101 0001 0100 1011
{x(n)}
Si {xn(n)} representa un
conjunto de N muestras
tomadas a x(t) espaciadas
cada T segundos
entonces definimos DFT
como:
x(t)
...
N 1
X k (k ) = x(n)e j 2nk / N
N-1
(N-1)T
k = 0,1,2,..., N 1
n =0
La DFT inversa se define como:
1
xn ( n ) =
N
Dic-05
N 1
j 2nk / N
X
(
k
)
e
n = 0,1,2,..., N 1
k
k =0
32
0011 0010 1010 1101 0001 0100 1011
Espectro calculado bajo DFT

0011 0010 1010 1101 0001 0100 1011
Note que Xk(f) es el

espectro de la seal
muestreada.
{x(n)}
Va a tener las mismas

caractersticas de
periodicidad que
encontramos previamente
bajo el teorema de
muestreo.
N 1
x(t)
...
N-1
|X(k)|
...
n =0
Dic-05
(N-1)T
X k (k ) = x(n)e j 2nk / N
Espectro
Espectrotiene
tienesimetra
simetrapara
para
lalamitad
mitadde
delas
lasmuestras
muestras
fs-B
1/NT
1/NT
fs fs+B
f
k
(N-1)/NT
(N-1)/NT
33
0011 0010 1010 1101 0001 0100 1011
Fuentes de error
0011 0010 1010 1101 0001 0100 1011
Observe que a menos que

{x(n)} contenga la totalidad
de las muestras, el cmputo
de la DFT se est haciendo
con informacin incompleta
sobre x(t).
Entonces en el mejor de los
casos
X k (k ) X ( f ) f =
k
NT
Qu se puede hacer?
El error se reduce si N
Dic-05
Pero esto no es prctico

habra que observar la
totalidad de la existencia de
la seal
significa procesar una
cantidad infinita de datos
Acepte que es una

aproximacin y entienda
las consecuencias del
error.
34
0011 0010 1010 1101 0001 0100 1011
Frecuencias
0011 0010 1010 1101 0001 0100 1011
La DFT solo puede

producirle frecuencias
menores de 1/(2NT)
Esto es consistente con el
Teorema de Nyquist.
Tambin debe notar que las
frecuencias que aparecen
solo pueden ser mltiplos de
1/NT.
Si x(t) contiene componentes
de frecuencia concentrados
entre las muestras de X(k),
DFT no los puede mostrar.
Dic-05
Ejemplo:
Tome una seal peridica y
tmele muestras que no
coincidan con un nmero
entero del periodo.
Va a notar que una o ms
las frecuencias no aparecen
en la DFT ya que no
coinciden con las muestras.
35
0011 0010 1010 1101 0001 0100 1011
Error en DFT
0011 0010 1010 1101 0001 0100 1011
Note que el error en el espectro est en tratar de inferir que

la DFT es idntica a la FT.
Esto es, asumir que Xk(k) = X(f) cuando f = k/NT
La DFT y la DFT-1 forman una pareja de transformadas

Esto es, xn(n) Xk(k) sin error.
El problema surge de que

xn(n) = x(nT)(n/N)
donde (n/N) representa la ventana de tiempo (intervalo de
tiempo) sobre el cual se capturaron las muestras.
As que en realidad
Xk(k) = X(k/NT)*{(n/N)}
Dic-05
36
0011 0010 1010 1101 0001 0100 1011
FFT y DFT
0011 0010 1010 1101 0001 0100 1011
FFT (Fast Fourier Transform) representa a un conjunto de

algoritmos que se han desarrollado para evaluar de
manera rpida y eficiente a
N 1
X k ( k ) = x ( n )e
j 2nk / N
n =0
1
xn ( n ) =
N
N 1
j 2nk / N
X
(
k
)
e
k
k = 0,1,2,..., N 1
n = 0,1,2,..., N 1
k =0
Paquetes matemticos como MATLAB incluyen la

implantacin de algoritmos para FFT por lo que usted no
debe tener que calcular la DFT por la ecuacin que la
define.
Dic-05
37
0011 0010 1010 1101 0001 0100 1011
MATLAB FFT
0011 0010 1010 1101 0001 0100 1011
{x(n)}
Para calcular la FFT

utilizando MATLAB se
utiliza la instruccin:
Y = fft(X)
...
N-1
donde
(N-1)T
X: N muestras de {x(n)}
Y: N muestras de {Xk(k)}.
Note que la separacin

entre muestras de
frecuencia es 1/NT.
Dic-05
|X(k)|
...
0
fs-B
1/NT
1/NT
fs fs+B
f
k
(N-1)/NT
(N-1)/NT
38
0011 0010 1010 1101 0001 0100 1011
MATLAB y FFT
0011 0010 1010 1101 0001 0100 1011
Si necesita obtener otras

frecuencias que no sean
mltiplos de 1/NT entonces
debe alargar la cadena para
efectos de FFT.
Esto es equivalente a rellenar
con ceros.
Para hacer esto con MATLAB
debe usar la instruccin
Y = fft(X,M)
donde M es el nuevo largo para
la cadena de x(n)
Dic-05
Para buscar la DFT

inversa utilice la
instruccin:
Y = fft(X)
Y = fft(X,M)
39
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo de
de uso
uso de
de FFT
FFT
0011 0010 1010 1101 0001 0100 1011
En este ejemplo se analizar una cadena de datos

que est mezclada con ruido. El objetivo es
determinar si es posible reconocer qu seal es la
que est inmersa en el ruido.
La seal consiste de dos sinusoides (50 y120 Hz)
muestreados a 1 KHz
El ruido es una cadena de nmeros generados al azar con
amplitud mxima de 2.
Este ejemplo est basado en otro mostrado en el

manual del estudiante de MATLAB.
Dic-05
40
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo de
de uso
uso de
de FFT
FFT
0011 0010 1010 1101 0001 0100 1011
Solucin:
Primero debe generar la seal descrita
% Genere el vector de los valores de tiempo
t = 0:0.001:0.6
% Genere la seal
x = sin(2*pi*50*t)+sin(2*pi*120*t);
% Aada el ruido a la seal
y = x + 2*randn(size(t));
% Dibuje la grfica para ver como se ve
plot(1000*t(1:50),y(1:50)) title('Signal
Corrupted with Zero-Mean Random Noise')
xlabel('time (milliseconds)')
Dic-05
41
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo de
de uso
uso de
de FFT
FFT
0011 0010 1010 1101 0001 0100 1011
La grfica de la seal con ruido resultante es:

Est
Estdifcil
difcil
precisar
precisarque
quehay
hay
algo
algomas
masque
que
ruido
ruido
Dic-05
42
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo de
de uso
uso de
de FFT
FFT
0011 0010 1010 1101 0001 0100 1011
% Ahora buscamos la FFT con 512 puntos

Y = fft(y,512);
% El espectro de potencia es
Pyy = Y.* conj(Y) / 512;
% Dibuje la grfica solo para la mitad de los puntos
% ya que el resto es redundante
% Genere la escala de frecuencias
f = 1000*(0:256)/512;
plot(f,Pyy(1:257)) title('Frequency content of
y') xlabel('frequency (Hz)')
Dic-05
43
0011 0010 1010 1101 0001 0100 1011
Ejemplo
Ejemplo de
de uso
uso de
de FFT
FFT
0011 0010 1010 1101 0001 0100 1011
La grfica del espectro es
Se
Sepueden
pueden
ver
verlas
lasdos
dos
frecuencias
frecuencias
originales
originales
Dic-05
Se
Sepuede
puede
deber
deberalal
ruido
ruidoooaa
errores
erroresde
de
ventana
ventana
44
0011 0010 1010 1101 0001 0100 1011
Importante
0011 0010 1010 1101 0001 0100 1011
DFT sirve para estimar la transformada de

Fourier continua
Requiere que usted entienda las condiciones
sobre las cuales se calcula.
FT ve toda la seal. DFT solo puede ver un
segmento de la onda.
FFT no es otra transformada.

FFT es un algoritmo para evaluar la DFT.
Dic-05
45
0011 0010 1010 1101 0001 0100 1011
Uso de DFT en este curso

0011 0010 1010 1101 0001 0100 1011
DFT es un caso especial de la transformada de

Fourier por lo que la primera retiene todas las
propiedades de la segunda.
Utilizaremos la DFT como una forma rpida de
estimar numricamente el espectro de una seal.
En INEL 5307 Procesamiento Digital de Seales
se estudia en detalle el proceso de evaluacin de
la DFT y FFT junto con tcnicas para reducir el
error de la aproximacin a X(f).
Dic-05
46
0011 0010 1010 1101 0001 0100 1011
Al completar esta leccin

0011 0010 1010 1101 0001 0100 1011
Usted debe ser capaz de:

Entender los requisitos que permiten el
muestreo de una seal y su reconstruccin
a partir de las muestras.
Entender las consecuencias del sub
muestreo de las seales.
Reconocer los requisitos del filtro pasa
bajos en la reconstruccin de la seal
original.
Entender la utilidad y las limitaciones de la
transformada de Fourier discreta (DFT).
Dic-05
47
0011 0010 1010 1101 0001 0100 1011
Para obtener ms informacin

0011 0010 1010 1101 0001 0100 1011
Secciones 2.8 y 2.10 de Ziemer y Tranter

Pgina del curso:
http://www.ece.uprm.edu/~jace
http://webct.uprm.edu
Dic-05
48
0011 0010 1010 1101 0001 0100 1011
0011 0010 1010 1101 0001 0100 1011
2004-06 Derechos reservados

Jorge A. Cruz Emeric
Universidad de Puerto Rico
Departamento de Ingeniera Elctrica y Computadoras
Mayagez, Puerto Rico 00681-9042
Prohibida la reproduccin sin el consentimiento del autor.
Dic-05
49

8 - Teorema Del Muestreo y La Transformada Discreta de Fourier PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

8 - Teorema Del Muestreo y La Transformada Discreta de Fourier PDF

Cargado por

Copyright:

Formatos disponibles

INEL 4301

0011 0010 1010 1101 0001 0100 1011

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Agenda para hoy

Evaluar las condiciones necesarias para:

Transformada de Fourier discreta

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Proceso fundamental en la conversin de seales

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Cun bien xd(n)

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Proceso fundamental en la conversin de seales

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

Teorema del muestreo

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Teorema del muestreo de Nyquist

Una seal x(t) puede ser representada

X(f) = 0 para todo f > B Hz

Si se cumple lo anterior, x(t) se puede

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

La seal muestreada instantneamente puede escribirse

que podemos reescribir como

Su transformada de Fourier es:

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Utilizando el teorema de multiplicacin:

que podemos reescribir como

Luego de evaluar la convolucin queda

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Como T es la separacin entre muestras en el

Ahora podemos reescribir a Xd(f) como

El espectro de Xd(f) es similar a esto

2fs-B 2fs 2fs+B

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Si ahora se pasa la seal por un filtro pasa baja con

2fs-B 2fs 2fs+B

La salida del filtro es fsX(f)

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

h(t) h(t ) = 2 Bsinc(2 Bt )

y (t ) = 2 B x(nT ) sinc[2 B(t nT )]

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

0011 0010 1010 1101 0001 0100 1011

Impacto del submuestreo

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011

Impacto del submuestreo

Qu ocurre si la frecuencia de muestreo es muy baja?

2004-06 Jorge A. Cruz Emeric

0011 0010 1010 1101 0001 0100 1011